論文の概要: An efficient iterative method for reconstructing surface from point clouds

• arxiv url: http://arxiv.org/abs/2005.11864v1
• Date: Mon, 25 May 2020 00:01:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 06:30:45.585724
• Title: An efficient iterative method for reconstructing surface from point clouds
• Title（参考訳）: 点雲から表面を再構築する効率的な反復法
• Authors: Dong Wang
• Abstract要約: 我々は,点雲からの表面再構成を行うための変動モデルに基づく効率的な反復法を開発した。 次に、近似エネルギーを最小化し、各繰り返しにおけるエネルギー減衰特性を証明するための新しい反復法を開発する。
• 参考スコア（独自算出の注目度）: 7.581956025432869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface reconstruction from point clouds is a fundamental step in many applications in computer vision. In this paper, we develop an efficient iterative method on a variational model for the surface reconstruction from point clouds. The surface is implicitly represented by indicator functions and the energy functional is then approximated based on such representations using heat kernel convolutions. We then develop a novel iterative method to minimize the approximate energy and prove the energy decaying property during each iteration. We then use asymptotic expansion to give a connection between the proposed algorithm and active contour models. Extensive numerical experiments are performed in both 2- and 3- dimensional Euclidean spaces to show that the proposed method is simple, efficient, and accurate.
• Abstract（参考訳）: ポイントクラウドによる表面再構成は、コンピュータビジョンにおける多くの応用において基本的なステップである。 本稿では,点雲からの表面再構成を行うための変動モデルに基づく効率的な反復法を提案する。 表面は指標関数によって暗黙的に表現され、エネルギー関数は熱核畳み込みを用いてそのような表現に基づいて近似される。 次に, 近似エネルギーを最小化し, エネルギー減衰特性を各反復で証明する新しい反復法を開発した。 次に漸近展開を用いて,提案するアルゴリズムとアクティブ輪郭モデルとの接続を与える。 2次元と3次元のユークリッド空間において広範な数値実験を行い,提案手法が単純,効率的,正確であることを証明した。

関連論文リスト

• Point Cloud Resampling with Learnable Heat Diffusion [58.050130177241186]
  ポイントクラウド再サンプリングのための学習可能な熱拡散フレームワークを提案する。 前の固定された拡散モデルとは異なり、適応条件は点雲の幾何学的特徴を選択的に保存する。
  論文  参考訳（メタデータ） (2024-11-21T13:44:18Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• 3D Reconstruction with Fast Dipole Sums [12.865206085308728]
  マルチビュー画像から高品質な3D再構成手法を提案する。 我々は、暗黙の幾何学と放射場を、高密度点雲の点当たりの属性として表現する。 これらのクエリは、レイトレーシングを使用して画像の効率と差別化を容易にする。
  論文  参考訳（メタデータ） (2024-05-27T03:23:25Z)
• Optimizing Implicit Neural Representations from Point Clouds via Energy-Based Models [1.573038298640368]
  エネルギーベースモデル(EBM)を用いた暗黙的神経表現(INR)の最適化手法を提案する。 提案手法は, 従来の表面再構成法よりも, 点雲ノイズに対して頑健であることを確認した。
  論文  参考訳（メタデータ） (2023-11-05T08:57:22Z)
• Neural-Singular-Hessian: Implicit Neural Representation of Unoriented Point Clouds by Enforcing Singular Hessian [44.28251558359345]
  我々は点雲から表面を再構築するための新しいアプローチを提案する。 提案手法は, 表面近傍の点と表面の射影点との勾配を整列し, わずか数回の反復で粗いが忠実な形状となる。
  論文  参考訳（メタデータ） (2023-09-04T20:10:38Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• Learning Modified Indicator Functions for Surface Reconstruction [10.413340575612233]
  正規化のない原点雲からの暗黙的表面再構成のための学習に基づくアプローチを提案する。 我々の手法はポテンシャルエネルギー理論においてガウス・レムマにインスパイアされ、指標関数に対して明示的な積分公式を与える。 我々は、表面積分を行うための新しいディープニューラルネットワークを設計し、修正されたインジケータ関数を、不向きでノイズの多い点群から学習する。
  論文  参考訳（メタデータ） (2021-11-18T05:30:35Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)
• Shape As Points: A Differentiable Poisson Solver [118.12466580918172]
  本稿では,ポアソン表面再構成 (PSR) の微分可能な定式化を用いた,微分可能な点間メッシュ層を提案する。 微分可能なPSR層は、暗示指標場を介して、明示的な3D点表現を3Dメッシュに効率よく、かつ、差別的にブリッジすることができる。 ニューラル暗黙の表現と比較して、私たちのシェープ・アズ・ポイント(SAP)モデルはより解釈可能で、軽量で、1桁の推論時間を加速します。
  論文  参考訳（メタデータ） (2021-06-07T09:28:38Z)
• Learning Occupancy Function from Point Clouds for Surface Reconstruction [6.85316573653194]
  表面から採取した点雲から3次元形状を復元するために, 入射関数に基づく表面再構成が長い間研究されてきた。 本稿では,スパース点雲から占有関数を学習する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T02:07:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。